L’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision / Arnaud Attyé in Docteur Imago, 31 (Février - mars 2023)

Public ISBD [article]  inDocteur Imago > 31 (Février - mars 2023) Titre : L’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision Auteurs : Arnaud Attyé ; Pierre-Étienne Heudel ; Arnaud Jean ; Felix Renard Année de publication : 2023 Langues : Français (fre) Résumé : Les applications de l’intelligence artificielle en radiologie clinique concernent actuellement quasi-exclusivement le secteur du dépistage de masse sur de l’image, à l’aide de technologies dites d’apprentissage profond. Or ces nouvelles technologies ont apporté beaucoup de déception de par leurs faibles performances en conditions réelles, particulièrement sur l’imagerie tomodensitomètrique et remnographique. En médecine quantitative diagnostique et pronostique, l’apprentissage profond n’a jamais fait la preuve d’une supériorité sur des statistiques classiques de type régression logistique. Nous présentons ici une nouvelle technologie d’intelligence artificielle dédiée au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l’IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies. Permalink : http://cdocs.helha.be/pmbgilly/opac_css/index.php?lvl=notice_display&id=76935 [article] L’analyse de variété générative : un modèle interprétable et responsable pour une médecine de précision [] / Arnaud Attyé ; Pierre-Étienne Heudel ; Arnaud Jean ; Felix Renard . - 2023. Langues : Français (fre) in Docteur Imago > 31 (Février - mars 2023) Résumé : Les applications de l’intelligence artificielle en radiologie clinique concernent actuellement quasi-exclusivement le secteur du dépistage de masse sur de l’image, à l’aide de technologies dites d’apprentissage profond. Or ces nouvelles technologies ont apporté beaucoup de déception de par leurs faibles performances en conditions réelles, particulièrement sur l’imagerie tomodensitomètrique et remnographique. En médecine quantitative diagnostique et pronostique, l’apprentissage profond n’a jamais fait la preuve d’une supériorité sur des statistiques classiques de type régression logistique. Nous présentons ici une nouvelle technologie d’intelligence artificielle dédiée au monde du quantitatif, interprétable et responsable, nommée apprentissage de variété génératif. Cette approche géométrique de l’IA vise à personnaliser les normes médicales radiologiques pour mieux détecter les maladies. Permalink : http://cdocs.helha.be/pmbgilly/opac_css/index.php?lvl=notice_display&id=76935

Exemplaires (1)

Cote	Support	Localisation	Section	Disponibilité
Revue	Revue	Centre de documentation HELHa paramédical Gilly	Salle de lecture - Rez de chaussée - Armoire à volets	Exclu du prêt

---

1 (1 - 1 / 1)